Pelita Informatika Budi Darma, Volume II, Desember 2012

ISSN : 2301-9425

ANALISIS DAN PERANCANGAN WIRELESS APLICATION

PROTOCOL UNTUK MEMBANTU DIAGNOSA
PENYAKIT THT MENGGUNAKAN
METODE FORWARD CHAINING
Muhammad Syahrizal
Dosen Tetap STMIK Budi Darma Medan
Jl. Sisingamangaraja No. 338 Simpang Limun Medan
www.stmik-budidarma.ac.id//Email:syahrizal83m.kom@gmail.com
Abstrak
Teknologi ponsel sampai saat ini telah berkembang dengan pesat. Hal ini dapat dibuktikan dengan bertambahnya
fitur-fitur seperti : multimedia mobile. Adapun aplikasi yang dimuat didalamnya bermacam-macam dan salah
satunya memiliki fasilitas akses WAP sehingga informasi dapat dilihat di ponsel. WAP merupakan protokol
aplikasi nirkabel yang mampu mengakses internet melalui ponsel maupun perangkat wireless lainnya. WAP
membawa informasi secara online melewati internet, seperti mobile banking, email, melihat kurs, cuaca,
reservasi hotel dan masih banyak lagi yang disediakan oleh provider informasi secara langsung menuju telepon
seluler. Sementara pesatnya perkembangan dunia internet akhir-akhir ini, memicu berkembangnya teknologi
baru yang memanfaatkan teknologi internet tersebut sebagai media untuk mewujudkan impian manusia akan
sebuah aplikasi pengoperasian peralatan dari tempat lain yang sangat jauh tanpa harus berada di tempat tersebut.
Tesis ini menjelaskan bagaimana sistem informasi Diagnosa Penyakit THT dengan menggunakan fasilitias
ponsel. Aplikasi ini menggunakan perangkat lunak M3Gate Emulator dan menggunakan bahasa WML sebagai
kode program
Kata kunci: WAP, WML, Penyakit THT, Forward Chaining

1.

Pendahuluan

Akses mobile seperti telepon gengam menjadi

kebutuhan yang sangat vital oleh masyarakat.
Perkembangan
komputer dan
mobile
telah
disinkronkan untuk akses timbal balik, hal tersebut
memungkinkan untuk melakukan pengolahan data
yang hemat ruang waktu dan biaya, namun dapat
menghasilkan suatu informasi yang sangat berguna
dan bermanfaat. Kemampuan mengolah data dan
menggunakan informasi secara efektif merupakan hal
yang sangat penting bagi suatu instansi Rumah Sakit.
Informasi yang disampaikan pada masyarakat dapat
berupa media cetak atau pun elektronik. Sejauh ini
masyarakat menggunakan televisi sebagai media
elektronik yang paling banyak dipakai. Sementara
koran atau majalah merupakan informasi yang
diperoleh karena informasi tersebut tidak harus dibaca
langsung.
Dari perkembangan teknologi informasi tersebut,
maka dibutuhkan perancangan suatu sistem untuk
pengolahan informasi yang dapat memudahkan proses
pengolahan data diagnosa penyakit yang selama ini
masih dikerjakan secara manual. Perancangan sistem
tersebut dapat dilakukan dengan menggunakan
beberapa bahasa program diantaranya ASP (Active
Server Pages) dan WAP (Wireless Application
Protocol). Pada saat ini pemrograman berbasis Visual
atau Grafis lebih popular dibandingkan pemrograman

Diterbitkan Oleh : STMIK Budi Darma Medan

berbasis DOS, dikarenakan kemudahan penggunaan,

pengembangan serta tampilannya yang menarik.
Sistem pakar (expert system) adalah sistem yang
berusaha mengadopsi pengetahuan manusia ke
komputer, agar komputer dapat menyelesaikan
masalah seperti layaknya para pakar (expert). Sistem
pakar yang baik dirancang agar dapat menyelesaikan
suatu permasalahan tertentu dengan meniru kerja dari
para pakar/ahli. Dengan pengembangan sistem pakar,
diharapkan
bahwa
orang
awampun
dapat
menyelesaikan masalah yang cukup rumit yang
sebenarnya hanya dapat diselesaikan dengan bantuan
para ahli. Bagi para ahli, sistem pakar ini juga akan
membantu aktifitasnya sebagai asisten yang sangat
berpengalaman.
Pengalihan keahlian dari para ahli ke komputer untuk
kemudian dialihkan lagi ke orang lain yang bukan
ahli, merupakan tujuan utama dari sistem pakar.
Proses ini membutuhkan 4 aktifitas, yaitu: tambahan
pengetahuan, representasi pengetahuan, inferensi
pengetahuan dan pengalihan pengetahuan ke
pengguna. Pengetahuan yang disimpan ke komputer
disebut sebagai basis pengetahuan. Sistem pakar
dikembangkan dalam berbagai bidang, termasuk
dalam bidang medis. Saat ini kebutuhan manusia akan
pelayanan medis yang lebih baik sangat mendesak,
yang berarti dukungan instrumentasi dan informatika
medis modern (telemedis) menjadi sangat dibutuhkan

31

Pelita Informatika Budi Darma, Volume II, Desember 2012

termasuk metode untuk membantu analisisnya

sehingga dihasilkan diagnosis yang lebih optimal.
2.

Landasan Teori

PROSPECTOR

Digunakan di dalam geologi

untuk membantu mencari dan
menemukan deposit

FOLIO

Membantu memberikan
keputusan bagi seorang manajer
dalam hal stol broker dan
investasi

DELTA

Pemeliharaan lokomotif disel

2.1 Kecerdasan Buatan

Kecerdasan Bantuan ( Artificial Intelligence atau
AI ) didefenisikan sebagai kecerdasan yang
ditunjukkan oleh suatu entitas buatan. Sistem seperti
ini umumnya dianggap komputer. Kecerdasan
diciptakan dan dimasukkan kedalam suatu mesin atau
komputer. Agar dapat membantu manusia dalam
mengambil keutusan. Beberapa macam bidang yang
menggunakan kecerdasan buatan antara lain Sistem
Pakar, Permainan Komputer (Games), Logika Fuzzy,
jaringan saraf tiruan dan Robotika [1].
2.2 Sistem Pakar
Sistem Pakar merupakan salah satu cabang dari
Artificial Intelligence (AI) yang membuat penggunaan
secara luas, knowledge yang khusus untuk
penyelesaian masalah tingkat manusia pakar. Seorang
pakar disini merupakan orang yag memiliki keahlian
dalam bidang tertentu, yaitu pakar yang mempunyai
knowledge atau kemampuan khusus yang orang lain
tidak mengetahui atau mampu dalam bidang yang
dimilikinya. Teknologi sistem pakar ini meliputi
bahasa sistem pakar, program, perangkat lunak dan
perangkat keras yang dirancang untuk membantu
pengembangan dan pembuatan sistem pakar [1].
Sistem Pakar ( Expert Sistem atau ES ) mulai
dikembangkan pada pertengahan tahun 1960-an oleh
Artificial Intelligence Corporation. Pada pertengahan
tahun 1960-an, terjadi pergantian dari program serba
biasa (general-purpose) ke program yang spesialis
(special-purpose)
dengan
di
kembangkannya
DENDRAL oleh E. Feigenbaum dari Universitas
Stanford da kemudian oleh MYCIN. Awal 1980-an
teknologi ES yang mula-mula dibatasi oleh suasana
akademis mulai muncul sebagai aplikasi komersil,
khususnya XCON, XSEL (dikembangkan dari R-1
Digital Equiptment Corp) dan CATS-1 (dikembangkan
oleh General Electric). Sampai saat ini banyak sistem
pakar yang dibuat, contoh diantaranya terlihat pada
table berikut:
Tabel 1: Sistem Pakar Yang Umum
Sistem Pakar
MYCIN
DENDRAL

Kegunaan
Diagnosis penyakit
Mengidentifikasi struktur
molekur campuran yang tak
dikenal

XCON & XSEL

Membantu konfigurasi sistem

komputer besar

SHOPIE

Analisis sirkuit elektronik

Diterbitkan Oleh : STMIK Budi Darma Medan

ISSN : 2301-9425

Sistem pakar adalah sistem berbasis komputer

yang menggunakan pengetahuan, fakta, dan teknik
penalaran dalam memecahkan masalah yang biasanya
hanya dapat dipecahkan oleh seorang pakar dalam
bidang tersebut. Secara umum, sistem pakar (expert
sistem atau ES) adalah sistem yang berusaha
mengadopsi pengetahuan manusia ke komputer agar
komputer dapat menyelesaikan pencarian keputusan
suatu masalah seperti yang biasa dilakukan oleh para
ahli. Sistem pakar dirancang agar dapat menyelesaikan
suatu permasalahan tertentu dengan meniru kerja dari
para ahli. Dengan sistem pakar ini para dokter THT
pemula dapat menyelesaikan masalah yang cukup
rumit yang sebenarnya hanya dapat diselesaikan
dengan bantuan para ahli. Bagi para ahli sistem pakar
ini juga akan membantu aktivitasnya sebagai asisten
yang sangat berpengalaman [2].
2.2.1 Ciri Karakteristik Sistem Pakar
Ada berbagai ciri dan karakteristik yang
membedakan sistem pakar dengan sistem yang lain,
ciri dan karakteristik yang dimaksut adalah :
a. Terbatas pada bidang spesifik
b. Pengertian sistem pakar merupakan suatu konsep
dan bukan numerik, hal ini dilakukan karena
komputer hanya melakukan proses pengolahan
data secara numerik sedangkan keahlian dari
seorang pakar adalah fakta dan aturan aturan
c. Informasi dalam sistem pakar tidak selalu
lengkap, subyektif
d. Perubahan atau pengembangan pengetahuan dapat
berubah setiap saat sehingga diperlukan
kemudahan dalam memodifikasi sistem untuk
menampung jumlah pengetahuan yang semakin
besar dan semakin bervariasi
e. Dapat mengemukan rangkaian alasan yang
diberikannya dengan cara yang dapat dipahami
f. Berdasarkan pada rule atau kaidah tertentu
g. Keluarannya bersifat nasehat, anjuran atau saran
h. Pandangan dan pendapat pakar tidak selalu sama,
dan oleh karena itu tidak ada jaminan bahwa
solusi sistem pakar adalah jawaban yang paling
benar Karena setiap pakar akan memberikan
pertimbangan pertimbangan berdaasarkan faktor
subyektif
i. Keputusan merupakan bagian yang terpenting
dari sistem pakar.

32

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume II, Desember 2012

2.2.2 Penerapan Sistem Pakar pada Komputer

Tabel 2 ; Perbandingan Antara Sistem Pakar,

Sistem Konvensional
Manusia

Dan

Kepakaran

Kepakaran
Manusia

Sistem Pakar

Sistem
Konvensional

Menggunakan
pengetahuan
dalam bentuk
rules
atau
secara
heuristic
untuk
memecahkan
permasalahan

Memproses
pengetahuan
yang
terekspresikan
dalam bentuk
rules
dan
menggunakan
penalaran
dalam bentuk
simbolis
untuk
memecahkan
permasalahan

Memproses
data
dan
menggunakan
algoritma
untuk
memecahkan
permasaahan
numerik

Terdapat
pemisahan
yang
jelas
antara
pengetahuan
dan
pemrosesan

Tidak
memisahkan
pengetahuan
dari
strutur
kontrol
dan
pemrosesan
pengetahuan
tersebut
Tidak
menjelaskan
bagaimana
konklusi
tercapai

Pengetahuan
terdapat pada
otak manusia

Mampu
menjelaskan
garis
besar
dan
deteil
permasalahn
tersebut

Menggunakan
penalaran dari
informasi
yang
tidak
pasti,
tidak
lengkap
Dapat
membuat
kesalahan jika
informasi
tidak lengkap
Proses
pembelajaran
bertahun

tahun untuk
meningkatkan
kemampuan
pemecahan
masalah

Menelusuri
rules
yang
terpicu dalam
proses tanya
jawab
dan
menjelaskan
bagaimana
konklusi
dicapai
Memugkinkan
penalaran
yang
tidak
pasti dari data
yang
tidak
lengkap, tidak
pasti
Dapat
membuat
kesalahan jika
informasi
tidak lengkap
Kemempuan
pemecahan
masalah dapat
ditingkakan
cukup dengan
menambahkan
kaidah

kaidah yang
baru

Sistem pakar memiliki beberapa komponen

utama, yaitu :
1. Antarmuka Pengguna (user interface)
2. Basis Pengetahuan ( knowledge base)
3. Fasilitas akusisi pengetahuan (knowledge
acquisition facility)
4. Mekanisme Inferensi (inference mechanism)
5. workplace
6. Fasilitas Penjelasan (explanation facility),
komponen ini hanya dipakai di beberapa sistem
pakar
7. Perbaikan Pengetahuan
Hubungan dari setiap komponen tersebut dapat dilihat
pada gambar 1. di bawah ini :

Pemakai

Fakta tentang
Kejadian

Basis Pengetahuan

tertentu
AntarMuka

Knowle
gde
Engine

Fasilitas
Penjelasa
n

Akuisisi
Pengetahua
n

Mesin Inferensi
Pakar

Aksi yang
direkomendasika
n

Workplace

Perbaikan
Pengetahuan

Menggunakan
data
yang
lengkap dan
pasti

Tidak
menghasilkan
solusi apapun
jika informasi
tidak lengkap
Memodifikasi
kode program
untuk
meningakatkan
pemecahan
masalah

Diterbitkan Oleh : STMIK Budi Darma Medan

Gambar 1 : Arsitektur Sistem Pakar

2.3 Struktur Sistem Pakar
Secara umum sistem pakar terdiri dari beberapa
komponen yang masing-masing saling berhubungan.
Susunan struktur bagan sistem pakar dapat dilihat
pada gambar 2 di bawah ini :

33

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume II, Desember 2012

Penuh
Ditelingga
AND
FasiI
litas

Fasilitas
Akuisisi
Pengetahua

Basis
Pengetahua
n dan
Basis
Aturan

Mekanism
e
Inferensi

Penj
elasa
n
Siste
m

Fasilitas belajar mandiri

Gambar 2 : Gambar Struktur Bagan Sistem

Pakar
Dalam membangun sistem pakar komponenkomponen yang disediakan antara lain : fasilitas
akuisisi pengetahuan, basis pengetahuan dan basis
aturan, mekanisme inferensi, fasilitas penjelasan
sistem dan antar muka pemakai dan masing-masing
akan dijelaskan sebagai berikut :
2.3.1 Fasilitas Akuisisi Pengetahuan
Fasilitas ini merupakan suatu proses untuk
mengumpulkan data-data pengetahuan akan suatu
masalah dari pakar. Bahan pengetahuan dapat
ditempuh dengan beberapa cara , misalnya
mendapatkan pengetahuan dari buku, jurnal ilmiah,
para pakar dibidangnya, laporan dan literatur. Sumber
pengetahuan tersebut dijadikan dokumentasi untuk
dipelajari, diolah dan di organisasikan secara
tersetruktur menjadi basis pengetahuan. Contoh
akuisisi
pengetahuan adalah diagnosa penyakit
telinga, hidung dan tenggorokan (THT) yang dimulai
dengan mengumpulkan data - data tentang macammacam penyakit , penyebab atau gejala dan sampai
solusinya.
2.3.2 Basis Pengetahuan dan Basis Aturan
Setelah proses akuisisi pengetahuan selesai
dilakukan, maka pengetahuan tersebut harus
direpresentasikan menjadi basis pengetahuan dan basis
aturan yang selanjutnya dikumpulkan, dikodekan,
diorganisasikan dan digambarkan dalam bentuk
rancangan lain menjadi bentuk yang sistematis.
Berikut ini adalah contoh aturan-aturan :
IF Cek Penyakit
THEN pilih Jenis Penyakit
IF Jenis Penyakit = Penyakit
Telingga
THEN Cek Gejalanya
IF Cek Gejala = Gema
Suara Sendiri Terdengar, Rasa

Diterbitkan Oleh : STMIK Budi Darma Medan

Tuba

Terbuka

Obnormal
THEN .

2.3.3 Mekanisme Inferensi

Menurut Tim Penerbit Andi (2009) Mekanisme
inferensi adalah bagian dari sistem pakar yang
melakukan penalaran dengan menggunakan isi daftar
aturan berdasarkan urutan dan pola tertentu. Selama
proses konsultasi antar sistem dan pemakai ,
mekanisme inferensi menguji aturan satu demi satu
sampai kondisi aturan itu benar. Secara umum ada dua
teknik utama yang dilakukan dalam mekanisme
inferensi untuk pengujian aturan yaitu : penalaran
maju ( forward chaining ) dan penalaran mundur (
backward chaining ).
2.3

Inference Engine

Menurut Uky Yuditama (Jurnal Teknologi Vol :

1 Nomor 2, Desember 2008) Mesin inferensi berperan
sebagai otak dari sistem pakar yang berfungsi untuk
memandu proses penalaran terhadap suatu kondisi
berdasarkan pada basis pengetahuan yang tersedia.
Didalam mesin inferensi terjadi proses untuk
memanipulasi dan mengarahkan kaidah, model, dan
fakta yang tersimpan dalam basis pengetahuan dalam
rangka mencapai solusi atau kesimpulan.
Dalam prosesnya mesin inferensi menggunakan
strategi penalaran dan strategi pengendalian. Strategi
penalaran terdiri dari proses pelacakan kedepan (
forward chaining) dan proses pelacakan kebelakang (
backward cahing) . Didalam penulisan tesis ini
penulis mengunakan strategi penalaran proses
pelacakan kedepan ( forward chaining )
2.4.1 Forward Chaining (Runut Maju)
Forward-chaining adalah strategi inferensi yang
dimulai dari sekumpulan fakta, fakta baru yang
diperoleh dengan menggunakan rule, dimana alasan
yang digunakan sesuai dengan fakta yang ada, dan
melanjutkan proses ini sampai goal diraih atau sampai
tidak ada rule selanjutnya yang mempunyai alasan
yang sesuai dengan fakta yang ada maupun fakta yang
diketahui.
Operasi dari sebuah forward chaining system
dimulai dengan inisialisasi tentang masalah yang
dinyatakan dalam working memory. Hal ini dapat
dibangun dengan sejumlah cara, seperti informasi
yang diperoleh dari basis data sensor atau menanyakan
kepada user.

34

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume II, Desember 2012

2.5 Teknik Inferensi

Ada dua strategi pencarian dasar yang digunakan
oleh mesin inferensi dalam mencari kesimpulan untuk
mendapatkan solusi bagi permasalahan sistem pakar,
yaitu forward chaining (runut maju) dan backward
chaining(runut balik). Runut Maju merupakan strategi
pencarian yang memulai proses pencarian dari
sekumpulan data atau fakta dengan pelacakan kedepan
untuk mendapatkan suatu kesimpulan. Diagram atas
pelacakan tersebut dapat dilihat pada gambar 3 berikut
:
Database

Database

Database

Database

A B C D E

A B C D E

A B C D E

A B C D E

X L

X L Y

X L Y Z

Match

Fire

Match

KnowledgeBase
Y&D Z
X&B&E Y
A X
C L
L&M N

Fire

Knowledge Base
Y&D Z
X&B&E Y
A X
C L
L&M N

Cycle1

Match

Fire

Match

Fire

Knowledge Base
Y&D Z
X&B&E Y
A X
C L
L&M N

Knowledge Base
Y&D Z
X&B&E Y
A X
C L
L&M N

Cycle 2

Cycle 3

Gambar 3 : Penelusuran Data dengan Forward

Chaining
Langkah-langkah yang harus dilakukan
dalam membuat sistem forward chaining berbasis
aturan, yaitu:
1. Pendefinisian Masalah.
Tahap ini meliputi pemilihan domain masalah dan
akusisi pengetahuan.
2. Pendefinisian Data Input.
Sistem forward chaining memerlukan data awal
untuk memulai inferensi.
3. Pendefinisian Struktur Pengendalian Data.
Aplikasi yang kompleks memerlukan premis
tambahan untuk membantu mengendalikan
pengaktifan suatu aturan.
4. Penulisan Kode Awal
Tahap ini berguna untuk menentukan apakah
sistem telah menangkap domain
pengetahuan secara efektif dalam struktur aturan
yang baik.
5. Pengujian Sistem.
Pengujian sistem dilakukan dengan beberapa aturan
untuk menguji sejauh mana sistem berjalan dengan
benar.
6. Perancangan Antarmuka.
Antarmuka adalah salah satu komponen penting
dari suatu sistem. Perancangan antarmuka dibuat
bersama-sama
dengan
pembuatan
basis
pengetahuan.

7. Pengembangan Sistem.
Pengembangan sistem meliputi penambahan
antarmuka dan pengetahuan sesuai dengan
prototype sistem.
8. Evaluasi Sistem.
Pada tahap ini dilakukan pengujian sistem dengan
masalah yang sebenarnya. Jika sistem belum
berjalan dengan baik maka akan dilakukan
pengembangan kembali.
3.

Analisa Sistem

Analisa sistem adalah penguraian dari suatu

sistem informasi yang utuh ke dalam bagian
komponen-komponennya, dengan maksud untuk
mengidentifikasikan dan mengevaluasi permasalahanpermasalahan yang ada, kendala-kendala yang terjadi
dan kebutuhan-kebutuhan yang diharapkan sehingga
dapat diusulkan perbaikan.
Analisa sistem yang sedang berjalan dapat
diartikan sebagai suatu kegiatan untuk memperoleh
gambaran mengenai keadaan sistem yang sedang
berjalan. Pada proses penentuan untuk mendiagnosa
penyakit telinga, hidung dan tenggorokan (THT)
selama ini dilakukan masih bersifat manual oleh
Dokter spesialis. Mulai dari menentukan penyakit
yang di derita pasien, jenis penyakit yang di deritanya
dan keluhan-keluhan yang di rasakannya. Dengan
adanya permasalahan-permasalahan yang dihadapi
maka penulis mencari solusinya dengan membuat
suatu sistem pakar untuk mendiagnosa penyakit
telinga, hidung dan tenggorokan (THT) kedalam
bentuk komputerisasi ataupun WAP.
Dengan adanya sistem pakar ini Dokter ataupun
Pasien lebih mudah untuk mengetahui solusi dengan
menjalankan sistem yang ada pada ponsel, dimana
pasien juga dapat menelusuri jenis jenis penyakit
THT dan bagaimana solusinya.
3.1 Knowledge Base (Basis Pengetahuan)
Knowledge base berisi himpunan aturan atau rulerule untuk mencari aturan , mencari jenis-jenis
penyakit, gejala penyakit, solusi penyakit dan
diagnosa kerusakan.
Contoh aturan-aturan adalah sebagai berikut :
IF
Macam Gejala Penyakit
AND Jenis Penyakit Radang Telinga
THEN
Diagnosanya adalah jika keluhan yang
terjadi pada pasien berupa rasa nyeri di
dalam telinga, pendengaran terganggu
dan
yang disebabkan oleh infeksi
telinga, jamur di dalam telinga,
mengorek telinga terlalu sering atau
tidak hati hati, virus di dalam liang
telinga.
Aturan atau rule di atas menunjukkan bahwa JIKA

Diterbitkan Oleh : STMIK Budi Darma Medan

35

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume II, Desember 2012

macam gejala penyakit adalah pada liang telinga

DAN jenis penyakit adalah radang telinga MAKA
diagnosa penyakit adalah : Periksa penyakit pasien,
jika teryata yang diderita pasien radang telinga biasa
atau beum terlalu parah, maka berikan Obat tetes
Antibiotika pada pasien. Apabila penyakit yang di
derita oleh pasien sudah parah maka perlu
memberikan tamahan obat kepada pasien sesui dengan
rujukan yang di berikan oleh Dokter.
IF Kode Penyakit 301
AND Gejala Penyakit Suara Parau,
Suara
Lemah,
Suara
Hilang,
Nyeri
Saat
Bersuara
THEN Jenis Penyakit Ganguan Suara (
Disponia )

Table 3 : Jenis Penyakit, Gejala atau penyebab, Solusi

atau obat
Jenis Penyakit

Gejala /
Penyebab

Solusi / Obat

1. Ganguan Suara

1. Suara Parau

( Disponia )

2. Suara
Lemah
3. Suara
Hilang
4. Nyeri Saat
Bersuara
1. Sumbatan
jalan napas
2. Suara
Melemah

1. Terapi
Medikamentosa
2. Terapi Suara
dan Bicara
3. Tindakan Operatif

2. Kelainan Laring
Kongenital

Aturan atau rule di atas menunjukkan bahwa :

JIKA kode penyakit adalah 301 DAN
Gejala Penyakit Suara Parau, Suara
Lemah, Suara Hilang, Nyeri Saat
Bersuara
MAKA jenis penyakit yang di derita adalah
Ganguan suara (Disponia)

3. Peradangan
Laring

2. Suara Parau
3. Nyeri
ketika
menelan
4. Batuk
kering
5. Dahak
Kental

IF Gejala Penyakit Suara Parau, Suara

Lemah, Suara Hilang, Nyeri Saat
Bersuara AND Jenis penyakit
Ganguan Suara (disponia)
THEN Solusi Pasien melakukan terapi
medikamentosa, terapi suara dan
bicara dan melakukan tindakan
operatif
Aturan Atau rule di atas menunjukkan bahwa
JIKA Gejala Penyakit Suara Parau, Suara Lemah,
Suara Hilang, Nyeri Saat Bersuara DAN Jenis
penyakit Ganguan Suara (disponia) MAKA pasien
harus melakukan terapi medikamentosa, terapi suara
dan bicara dan melakukan tindakan operatif.
Dengan melakukan pengamatan terhadap sumber
pengetahuan dan penelitian perpustakaan diperoleh
suatu basis pengetahuan tentang bagaimana
menentukan jenis penyakit THT dan bagaimana cara
penanganannya berdasarkan gejala yang dirasakan
oleh pasien. Basis pengetahuan dapat dikemukakan
sebagai berikut :

Diterbitkan Oleh : STMIK Budi Darma Medan

1. Demam

4. Sumbatan Laring

5. Sulit Menelan
( Disfagia )

1. Suara serak
2. Sesak napas
3. Napas
berbunyi
4. Rasa
gelisah
5. Muka pucat
1. Susah
menelan
Makanan /
Cairan
2. Masuk
Cairan
kedalam
Hidung saat
minum

1. Langsung Konsul
Kedokter

1. Istirahat bicara
2. Memberika terapi
Menghirup udara
bersih
3. Berikan Anti
biotik
4. Konsul Kedokter

1. Berikan anti
Inflamasi
2. Berikan anti
Alergi
3. Berikan anti
Biotika
4. Konsul Kedokter

1. Pemeriksaan
Radiologi
2. Konsul Kedokter

36

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume II, Desember 2012

3.2 Inference Engine (Mesin Inferensi)

Mulai

Inference Engine berisi prosedure-prosedure

untuk pencocokan fakta dengan aturan dan hasil , juga
berisi prosedure untuk relasi nomor macam penyakit
dengan jenis penyakit dan solusinya. Maka Inference
Engine akan menganalisa data yang dimasukan supaya
dapat di analisa dan ditentukan jenis penyakit THT.
Agar lebih jelasnya bagan proses penelusuran oleh
Inference Engine dengan mengunaka metode Forward
chaining.

Read Jenis /
Type

Ponsel

If A

If B

Seleksi
Tabel

Seleksi
Tabel

Baca
Gejala

Baca
Gejala

Seleksi
Tabel

Baca
Gejala

C
Tulis

Proses
Solusi
D

Gambar 4 : Diagram Tree

Tulis
Solusi

Keteranagn :
A = Telinga
B = Hidung
C = Tenggorokan
D = Radang Telinga
E = Bisul Didalam Telinga
F = Tuba Terbuka
G = Polib Hidung Nasi
H = Rinitis Alergi
I = Ganguan Pernapasan
J = Sumbatan Laring
K = Sulit Menelan
L = Ganguan Suara

Selesa

Gambar 5 : Proses Inference Engine Penyelusuran

Penyakit
4.

Kesimpulan Dan Saran

4.1. Kesimpulan
1.
2.

Proses Inference Engine bekerja dapat

digambarkan sebagai berikut :

Informasi penyakit THT dapat diperoleh dengan

menggunakan ponsel.
Halaman WAP hanya dapat diakses melalui
telepon selular yang mendukung aplikasi tersebut.

4.2. Saran
1.
2.

Diterbitkan Oleh : STMIK Budi Darma Medan

Ponsel yang digunakan harus didukung fasilitas

WAP dan GPRS sehingga data dapat diperoleh.
Mengembangkan Situs dengan menggunakan
script PHP, agar informasi yang disajikan bukan
hanya informasi teks saja, namun sampai pada
koneksi database.

37

Pelita Informatika Budi Darma, Volume II, Desember 2012

ISSN : 2301-9425

Daftar Pustaka

[1] Turban, E, 1995, Decision Support System and

Expert System, USA, Penerbit Hall International
Inc.
[2] Martin, James., Oxman, Steven., 1988, Building
Expert System, New Jersey, Penerbit Hall.
[3] Turban, E, 2005, Decision Support System and
Inteligent System, Yogyakarta, Penerbit Andi
Yogyakarta.
[4] Kusumadewi, S, 2003, Artificial Intelegence
(Teknik dan Aplikasinya), Yogyakarta, Graha
Ilmu.
[5] M.
Farid Azis, 1994, Belajar Sendiri
Pemrograman System Pakar, Jakarta, Elex Media
Kaputindo.

Diterbitkan Oleh : STMIK Budi Darma Medan

38